想像一下你是化石獵人。 你在亞利桑那州炎熱的天氣花了幾個月的時間挖掘骨頭，結果發現你發現的東西來自以前發現的。
這就是最近對抗生素的研究所取得的成果。 抗生素獵人相對較少不斷尋找相同類型的抗生素。
隨著許多病原體抗藥性的迅速上升，迫切需要新的抗生素。 這可能只是時間問題傷口或抓傷會危及生命。
然而，最近很少有新的抗生素進入市場，甚至這些也只是舊抗生素的微小變體。
雖然前景看起來暗淡，但最近的革命（人工智慧）帶來了新的希望。 麻省理工學院和哈佛大學的科學家在 2 月 20 日發表在《細胞》雜誌上的一項研究中使用一種稱為深度學習的人工智慧來發現新的抗生素。
發現抗生素的傳統方法？ 來自土壤或植物萃取物？ 還沒有透露新的候選人，而且還有很多社會經濟障礙也解決這個問題。
一些科學家最近試圖透過在細菌 DNA 中尋找新的來解決這個問題。產生抗生素的基因。 其他人則在異國他鄉尋找抗生素，例如在我們的鼻子裡。
透過這種非常規方法發現的藥物進入市場的道路崎嶇不平。 在培養皿中有效的藥物可能在體內效果不佳。
它們可能不會被很好地吸收或可能有副作用。 大量生產這些藥物也是一個重大挑戰。
深度學習
進入深度學習。 這些演算法為當今許多臉部辨識系統和自動駕駛汽車提供動力。 它們透過學習數據模式來模仿我們大腦中神經元的運作方式。
單一人工神經元？ 像迷你感測器？ 可能會偵測到簡單的圖案，例如直線或圓圈。 透過使用數千個人工神經元，深度學習人工智慧可以執行極其複雜的任務，例如識別影片中的貓或檢測腫瘤中的腫瘤。切片影像。
考慮到它的力量和成功，尋找新藥的研究人員正在擁抱深度學習人工智慧，這可能並不奇怪。 然而，建立用於發現新藥的人工智慧方法並不是一件簡單的任務。 這在很大程度上是因為人工智慧領域沒有免費的午餐。
這沒有免費午餐定理指出不存在普遍優越的算法。 這意味著，如果一種演算法在一項任務（例如臉部辨識）中表現出色，那麼它在另一項任務（例如藥物發現）中就會嚴重失敗。 因此，研究人員不能簡單地使用現成的深度學習人工智慧。
哈佛-麻省理工學院團隊使用一種稱為圖神經網路的新型深度學習人工智慧來進行藥物發現。 早在 2010 年的人工智慧石器時代，藥物發現的人工智慧模型就是使用化學物質的文字描述建構的。 這就像用“黑眼睛”和“長鼻子”等詞來描述一個人的臉一樣。
這些文字描述符很有用，但顯然並不能描繪出整個畫面。 哈佛-麻省理工學院團隊使用的人工智慧方法將化學物質描述為原子網絡，這使得演算法比文字描述能夠提供更完整的化學物質圖像。
人類知識與人工智慧白板
然而，僅靠深度學習不足以發現新的抗生素。 它需要與感染的深入生物學知識相結合。
哈佛-麻省理工學院團隊以有效和無效藥物的例子精心訓練了人工智慧演算法。 此外，他們還使用已知對人類安全的藥物來訓練人工智慧。
然後，他們使用人工智慧演算法從數百萬種化學物質中識別出潛在安全且有效的抗生素。
與人類不同，人工智慧沒有先入為主的觀念，尤其是關於抗生素應該是什麼樣子的觀念。 我的實驗室最近使用老式人工智慧發現了一些治療結核病的令人驚訝的候選人，包括抗精神病藥物。
在哈佛-麻省理工學院團隊的研究中，他們發現了新候選人的金礦。 這些候選藥物看起來與現有的抗生素完全不同。 一個有希望的候選者是 Halicin，一種正在探索用於治療的藥物。
令人驚訝的是，Halicin 不僅能有效對抗大腸桿菌，人工智慧演算法所訓練的細菌，但也包括更致命的病原體，包括那些導致結核病和結腸發炎的病原體。
值得注意的是，Halicin 能夠有效對抗抗藥性鮑曼不動桿菌。 這種細菌位居最致命病原體名單之首由疾病預防控制中心編制。
不幸的是，Halicin 的廣泛效力表明它也可能破壞我們體內的無害細菌。 它也可能具有代謝副作用，因為它最初被設計為抗糖尿病藥物。 鑑於對新抗生素的迫切需求，這些可能只是拯救生命的微小犧牲。
維持進化領先地位
鑑於 Halicin 的前景，我們是否應該停止尋找新的抗生素？
Halicin 可能會清除所有障礙並最終進入市場。 但它仍然需要克服一個無情的敵人，這是抗藥性危機的主要原因：演化。
在過去的一個世紀裡，人類向病原體投擲了大量藥物。 然而病原體總是進化出抵抗力。 因此，我們可能很快就會遇到 Halicin 抗藥性感染。
儘管如此，借助深度學習人工智慧的力量，我們現在可能更適合使用新抗生素快速做出反應。
使用人工智慧發現的潛在抗生素進入臨床還面臨許多挑戰。 這些藥物的測試條件與人體內的條件不同。
我的實驗室和其他人正在建立新的人工智慧工具模擬人體內部環境評估抗生素的效力。 人工智慧模型現在還可以預測藥物的毒性和副作用。
這些人工智慧技術的結合可能很快就會讓我們在這場永無止境的對抗抗藥性的鬥爭中佔有一席之地。
[你很聰明，對世界充滿好奇。 《對話》的作者和編輯也是如此。 您可以透過訂閱我們的新聞通訊每天閱讀我們的內容.]
斯里拉姆錢德拉塞卡蘭，生物醫學工程助理教授，密西根大學。
